基于样本缩减的支持向量机在流分类中的应用

网络流量分类对提高网络服务质量有着非常重要的作用.基于机器学习的网络流量分类中,海量的样本为训练带来了效率瓶颈.论文介绍了SVM算法原理,建立基于改进类别质心的样本缩减策略,并进行实验验证.结果表明,利用缩减样本的SVM训练时间仅为在原样本下训练时间的2％,且分类精度基本不变,证明了样本缩减策略的可行性和有效性.     

基于视频的人体行走状态分析

提出了一种基于多视角的人体行走状态分析方法.首先,利用基于自适应背景更新的背景差分法检测出运动人体;其次,利用4向链码提取人体上半身质心运动轨迹的周期;最后,通过训练不同运动状态的周期得到对应的模糊集,根据隶属度函数判别慢走、走和跑3种运动状态.实验结果表明,该方法能够准确分析人体运动速度并判断其运动状态,并且对背景噪声、视角变化有良好的鲁棒性.     

K-means算法中k的自动确定

K-means算法在无监督学习中有着广泛的应用。然而,K-means算法有两个主要缺点,一是容易陷入局部极小,二是需要用户事先指定参数k。二分K-means算法的提出解决局部极小的问题。利用二分K-means算法过程中每次分裂产生的新质心间距离的变化规律可以对二分K-means算法做进一步的改进,从而将实际类别个数k的确定自动化。     

WSN中面向非均匀形状事件的动态检测方案

高效且准确地事件检测与跟踪是无线传感器网络研究的热点问题之一,现有的事件检测方案无法实现对形状不定的区域事件的检测与跟踪,为了解决这一问题,提出了一种改进的动态事件检测和跟踪方案.首先,该方案利用事件质心确定事件的具体位置,然后,考虑了节点的读数强度及该读数与事件质心的距离,提出节点动量概念以引导事件融合和分割检测.仿真实验结果表明,该方案可在各传感器结点中分布式运行,延迟低,能效高,在各种条件下均有很高的准确度.不论事件大小和事件数量如何,它始终可以确定正确的事件数量,给出正确的事件形状.     

基于边缘敏感的SLIC和二次密度聚类的GGO分割

针对磨玻璃肺结节(Ground Glass Opacity,GGO)边界对比度低、大小各异和灰度不均匀等造成分割准确率低的问题,提出一种基于边缘敏感的SLIC和二次密度聚类相结合的分割算法。将图像边缘检测结果与SLIC超像素算法相结合,并将其中含有边缘的超像素块用区域质心代替其原始聚类中心,改善SLIC边界黏连性较差的问题;针对密度聚类不能完整分割GGO的问题,提出二次密度聚类的方法,对密度聚类定位到的簇及其邻域簇进行二次密度聚类。实验结果表明,该算法分割GGO的平均准确率达90.17%,灵敏度达84%。     

基于质心法的车联网目标跟踪方法与应用

车辆目标跟踪是实现车联网不可或缺的一环,旨在获取车辆的动态信息,以提高交通运行效率.其核心是对大量监控探头采集的视频图像进行分析处理,实现车辆的实时检测与跟踪.为了进一步提高目标检测效率,降低硬件成本,文中提出了基于二帧差分法的前景检测方法,以及基于质心法的车辆轮廓检测与跟踪方法.基于OpenCV3.4.1和VS2017进行验证实验和仿真测试,结果表明,该算法对车辆跟踪的精确率达到89.1％,平均处理耗时42.63 ms,具有较好的实时性和鲁棒性,可在车联网嵌入式设备上进行部署和应用.     

水上飞机模型转动惯量测量试验的蒙特卡洛仿真

为了评判试验数据可信程度和提高试验质量,本文基于蒙特卡洛法,对水上飞机模型转动惯量测量试验进行不确定度分析.结果表明:质转动惯量Ixx、Iyy、Izz的标准不确定度分别为0.25kg?m2、0.26 kg?m2、0.02 kg?m2.转动惯量Ixx、Iyy、Izz和惯性积Ixy、Iyz、Ixz的仿真结果的分布符合正态分布.     

几何距优化质心结合隶属度约束RFCM的脑MRI图像分割算法

针对现有图像分割算法聚类复杂以及分割精度不够高的问题,提出了基于几何距优化质心和粗糙模糊C-均值（RFCM）相结合的医学图像聚类分割算法。首先建立软集表示的像素集,并计算每个像素与质心之间的距离,然后基于像素和质心之间的最小距离,将像素分组到聚类中。为了将软集应用到粗糙模糊C-均值中,定义了一个模糊软集,进一步将输入图像转换为二值图像,通过计算连通区域的几何距选择适当的质心。最后利用这些新的质心计算更新像素的隶属度值,从而完成模糊聚类划分。在Allen Brain Atlas等三个医学数据库上评估了所提出混合算法的性能,获得的Jaccards系数和分割精度（SA）都优于几种对比算法。实验证明,提出的聚类分割算法具有良好的性能。     

基于改进加权质心和UKF的移动目标定位算法

为了解决传统算法对于移动目标定位误差较大的问题,提出了一种基于接受信号强度指示(RSSI)的改进加权质心定位算法,并结合一种改进的UKF算法对RSSI进行有效滤波。针对传统质心定位算法只能静态设置权重的缺陷,提出利用定位误差对距离进行修正,有效提高了算法的定位精度。对于标准UKF算法,在采样过程中采用改进最小偏度策略,引入调节因子,保证了预测方差矩阵的半正定性,并且在滤波更新过程中采用衰减记忆滤波方法,有效抑制了滤波发散,提高了滤波精度。仿真实验结果证明了本文算法的正确性和有效性。     

基于煤矿井下WSN的RSSI加权质心定位算法研究

针对井下传统无线网络RSSI加权质心定位算法精度不高的问题,首先提出了一种基于接收信号强度值作为加权因子的加权质心定位算法。算法以动态获取未知节点当前区域的路径衰减系数为基础,通过挑选出未知节点当前活动区域最优参考节点,计算出彼此之间的距离,确定当前未知节点的最优通信半径范围。算法中还选取参考节点和未知节点之间的信号强度RSSI值作为加权因子,一定程度上又减少了传统上通过计算得到节点间距离作为加权因子算法带来的误差。仿真结果表明,改进的定位算法更加适合煤矿井下未知节点具有移动性的特点,在相同测试条件下,比传统加权质心算法精度有了很大的提升。